##
## Attachement du package : 'plotly'
## L'objet suivant est masqué depuis 'package:ggplot2':
##
## last_plot
## L'objet suivant est masqué depuis 'package:stats':
##
## filter
## L'objet suivant est masqué depuis 'package:graphics':
##
## layout
##
## Attachement du package : 'dplyr'
## Les objets suivants sont masqués depuis 'package:stats':
##
## filter, lag
## Les objets suivants sont masqués depuis 'package:base':
##
## intersect, setdiff, setequal, union
## corrplot 0.95 loaded
##
## Attachement du package : 'Hmisc'
## Les objets suivants sont masqués depuis 'package:dplyr':
##
## src, summarize
## L'objet suivant est masqué depuis 'package:plotly':
##
## subplot
## Les objets suivants sont masqués depuis 'package:base':
##
## format.pval, units
! NB : J’ai enlevé les températures moyennes car elles dépendent directement des températures minimum et maximum. J’ai enlevé la somme des jours où la tempéarature est > à 35 pour la période du débourrement à la floraison, et la somme des jours où il a gelé pour la période d’observations des symptomes, car elles sont toujours égales à 0.
Pour essayer de quantifier les liens linéaires entre nos variables quantitatives, nous procéderons à des tests de corrélations et des régressions linéaires, utiliserons la correction de Benjamini Hochberg pour corriger les p-valeurs afin d’éviter au maximum le risque de première espèce (rejeter à tort l’hypothèse nulle), et extrairons les pvaleurs, le r2 et la corrélation.
Beaucoup de corrélations des mêmes variables mais entre les périodes.
A partir d’ici, nous regarderons que les couples de variables où les p-valeurs sont inférieurs à 0.05, le r² et la valeur absolue de la corrélation supérieurs à 0.7.
## var1 var2 correlation p_value_corr r2
## 1 tn tx 0.859 0 0.711
## 19 tn sum.frost.days.0 -0.878 0 0.749
## 48 tx et0 0.887 0 0.777
## 77 rr swi 0.841 0 0.712
## 109 VPD hu -0.871 0 0.852
## 125 VPD sum.heat.days.25 0.839 0 0.721
## 239 ftsw isv 0.862 0 0.755
## 245 ftsw auc_isv 0.863 0 0.755
## 274 isv auc_isv 1.000 0 1.000
## 298 bh0 bhv 0.967 0 0.941
## 299 bh0 bh 0.973 0 0.948
## 325 bh0 RU 0.918 0 0.856
## 326 bhv bh 0.999 0 0.998
## 352 bhv RU 0.972 0 0.946
## 378 bh RU 0.966 0 0.936
## 386 et0 sum.heat.days.25 0.886 0 0.804
## 387 et0 sum.heat.days.30 0.829 0 0.727
## 528 sum.days.isv.sev isv.sev.seq.10 0.881 0 0.702
## 551 sum.heat.days.25 sum.heat.days.30 0.898 0 0.775
## p_value_lm_ajustée
## 1 0
## 19 0
## 48 0
## 77 0
## 109 0
## 125 0
## 239 0
## 245 0
## 274 0
## 298 0
## 299 0
## 325 0
## 326 0
## 352 0
## 378 0
## 386 0
## 387 0
## 528 0
## 551 0
bhv = bh, pareil avec bh0 sauf après floraison, très corrélés à RU (sauf après floraison).
SWI très corrélés aux précipitations
Enlever tn, et0, sum.heat.days.25 et 30, garder que tx (ou tm). Aussi très corrélés aux phéno.
Enlever hu, garder vpd.
Enlever ftsw, garder isv.
Sum.days.isv.sev très corrélé à isv.seq.5, 10, et 15 (eux mêmes corrélées entre eux), et à isv.
Dans ce graphique seuls les couples de variables seules les couples de variables ayant un r² > 0.7, une valeur absolue de corrélaion > 0.7, et des p-valeurs < 0.05 sont représentées en couleur.
## var1 var2 correlation p_value_corr r2
## 1 tn.an tx.an 0.861 0 0.714
## 48 tx.an et0.an 0.909 0 0.810
## 56 tx.an sum.heat.days.25.an 0.835 0 0.724
## 77 rr.an swi.an 0.873 0 0.758
## 109 VPD.an hu.an -0.888 0 0.867
## 125 VPD.an sum.heat.days.25.an 0.856 0 0.734
## 239 ftsw.an isv.an 0.832 0 0.731
## 245 ftsw.an auc_isv.an 0.833 0 0.732
## 274 isv.an auc_isv.an 1.000 0 1.000
## 298 bh0.an bhv.an 0.957 0 0.918
## 299 bh0.an bh.an 0.961 0 0.924
## 325 bh0.an RU 0.902 0 0.825
## 326 bhv.an bh.an 0.999 0 0.998
## 352 bhv.an RU 0.973 0 0.944
## 378 bh.an RU 0.966 0 0.935
## 386 et0.an sum.heat.days.25.an 0.890 0 0.801
## 387 et0.an sum.heat.days.30.an 0.846 0 0.744
## 551 sum.heat.days.25.an sum.heat.days.30.an 0.914 0 0.797
## p_value_lm_ajustée
## 1 0
## 48 0
## 56 0
## 77 0
## 109 0
## 125 0
## 239 0
## 245 0
## 274 0
## 298 0
## 299 0
## 325 0
## 326 0
## 352 0
## 378 0
## 386 0
## 387 0
## 551 0
## var1 var2 correlation p_value_corr r2
## 1 tn.dormance tx.dormance 0.858 0 0.734
## 19 tn.dormance sum.frost.days.0.dormance -0.938 0 0.850
## 109 VPD.dormance hu.dormance -0.761 0 0.762
## 239 ftsw.dormance isv.dormance 0.860 0 0.735
## 274 isv.dormance auc_isv.dormance 0.915 0 0.839
## 298 bh0.dormance bhv.dormance 0.985 0 0.959
## 299 bh0.dormance bh.dormance 0.987 0 0.961
## 325 bh0.dormance RU 0.918 0 0.838
## 326 bhv.dormance bh.dormance 0.999 0 0.999
## 352 bhv.dormance RU 0.954 0 0.910
## 378 bh.dormance RU 0.950 0 0.905
## p_value_lm_ajustée
## 1 0
## 19 0
## 109 0
## 239 0
## 274 0
## 298 0
## 299 0
## 325 0
## 326 0
## 352 0
## 378 0
## var1 var2 correlation p_value_corr
## 43 tx.deb_flo et0.deb_flo 0.816 0
## 94 VPD.deb_flo hu.deb_flo -0.938 0
## 204 ftsw.deb_flo isv.deb_flo 0.988 0
## 253 bh0.deb_flo bhv.deb_flo 0.829 0
## 254 bh0.deb_flo bh.deb_flo 0.846 0
## 276 bhv.deb_flo bh.deb_flo 0.999 0
## 297 bhv.deb_flo RU 0.993 0
## 318 bh.deb_flo RU 0.988 0
## 432 sum.days.isv.sev.deb_flo isv.sev.seq.5.deb_flo 0.705 0
## r2 p_value_lm_ajustée
## 43 0.705 0
## 94 0.899 0
## 204 0.730 0
## 253 0.733 0
## 254 0.757 0
## 276 0.998 0
## 297 0.992 0
## 318 0.985 0
## 432 0.827 0
## var1 var2 correlation
## 19 tn.symptomes sum.heat.days.25.symptomes 0.844
## 38 tx.symptomes VPD.symptomes 0.883
## 47 tx.symptomes et0.symptomes 0.956
## 54 tx.symptomes sum.heat.days.25.symptomes 0.972
## 55 tx.symptomes sum.heat.days.30.symptomes 0.938
## 106 VPD.symptomes hu.symptomes -0.953
## 121 VPD.symptomes sum.heat.days.25.symptomes 0.875
## 122 VPD.symptomes sum.heat.days.30.symptomes 0.851
## 232 ftsw.symptomes isv.symptomes 0.951
## 238 ftsw.symptomes auc_isv.symptomes 0.921
## 265 isv.symptomes tv.symptomes 0.922
## 266 isv.symptomes auc_isv.symptomes 0.965
## 270 isv.symptomes sum.days.isv.sev.symptomes -0.903
## 316 bhv.symptomes bh.symptomes 0.991
## 341 bhv.symptomes RU 0.839
## 343 bh.symptomes tv.symptomes 0.917
## 373 et0.symptomes sum.heat.days.25.symptomes 0.912
## 374 et0.symptomes sum.heat.days.30.symptomes 0.904
## 391 tv.symptomes auc_isv.symptomes 0.899
## 487 sum.days.isv.mod_sev.symptomes isv.mod_sev.seq.5.symptomes 0.848
## 514 sum.heat.days.25.symptomes sum.heat.days.30.symptomes 0.919
## p_value_corr r2 p_value_lm_ajustée
## 19 0 0.705 0
## 38 0 0.768 0
## 47 0 0.919 0
## 54 0 0.935 0
## 55 0 0.828 0
## 106 0 0.929 0
## 121 0 0.772 0
## 122 0 0.732 0
## 232 0 0.860 0
## 238 0 0.819 0
## 265 0 0.831 0
## 266 0 0.934 0
## 270 0 0.760 0
## 316 0 0.992 0
## 341 0 0.710 0
## 343 0 0.703 0
## 373 0 0.820 0
## 374 0 0.784 0
## 391 0 0.778 0
## 487 0 0.715 0
## 514 0 0.805 0
## var1 var2 correlation
## 39 tx.deb_end VPD.deb_end 0.820
## 48 tx.deb_end et0.deb_end 0.913
## 56 tx.deb_end sum.heat.days.25.deb_end 0.929
## 57 tx.deb_end sum.heat.days.30.deb_end 0.860
## 109 VPD.deb_end hu.deb_end -0.932
## 125 VPD.deb_end sum.heat.days.25.deb_end 0.828
## 239 ftsw.deb_end isv.deb_end 0.942
## 245 ftsw.deb_end auc_isv.deb_end 0.885
## 274 isv.deb_end auc_isv.deb_end 0.905
## 278 isv.deb_end sum.days.isv.sev.deb_end -0.910
## 298 bh0.deb_end bhv.deb_end 0.810
## 299 bh0.deb_end bh.deb_end 0.828
## 326 bhv.deb_end bh.deb_end 0.997
## 352 bhv.deb_end RU 0.955
## 378 bh.deb_end RU 0.940
## 386 et0.deb_end sum.heat.days.25.deb_end 0.827
## 505 sum.days.isv.mod_sev.deb_end isv.mod_sev.seq.5.deb_end 0.842
## 551 sum.heat.days.25.deb_end sum.heat.days.30.deb_end 0.911
## p_value_corr r2 p_value_lm_ajustée
## 39 0 0.703 0
## 48 0 0.865 0
## 56 0 0.882 0
## 57 0 0.774 0
## 109 0 0.912 0
## 125 0 0.711 0
## 239 0 0.888 0
## 245 0 0.796 0
## 274 0 0.839 0
## 278 0 0.805 0
## 298 0 0.710 0
## 299 0 0.728 0
## 326 0 0.997 0
## 352 0 0.914 0
## 378 0 0.893 0
## 386 0 0.718 0
## 505 0 0.707 0
## 551 0 0.805 0
Les mêmes variables semblent plus ou moins corrélées à travers toutes les périodes.
-> Faire des ACP par périodes pour confirmer tout ça.
Nous allons utiliser ici utiliser une anova pour tester l’égalité des moyennes, le test de Bartlett pour tester l’homogénéité des variances, et la correction de Benjamini Hochberg pour corriger les p-valeurs afin d’éviter au maximum le risque de première espèce (rejeter à tort l’hypothèse nulle).
## [1] "Nombre de variables où l'on rejette les deux hypothèses nulles : 29"
Au seuil 5%, on rejette toutes les égalités des moyennes et d’homogénéité des variances ! Les variables semblent bien différentes selon les périodes.
Tous les résultats des tests étant significatifs, on peut comparer les périodes 2 par 2.
Nous allons faire la même chose que précedemment mais en comparant les périodes 2 par 2.
## [1] "Variables où l'on rejette aucune hypothèse nulle : "
## var1 periode_1 periode_2 p_value_anova
## 1 tn an_pheno an 0.92929338
## 16 tx an_pheno an 0.97839371
## 31 rr an_pheno an 0.57580150
## 91 swi an_pheno an 0.56742097
## 106 ftsw an_pheno an 0.12400958
## 121 isv an_pheno an 0.16078266
## 136 bh0 an_pheno an 0.72909883
## 151 bhv an_pheno an 0.78195219
## 166 bh an_pheno an 0.76456056
## 181 et0 an_pheno an 0.77210793
## 196 tv an_pheno an 0.37480015
## 198 tv an_pheno deb_to_flo 0.15076948
## 202 tv an deb_to_flo 0.58613490
## 226 sum.days.isv.faible an_pheno an 0.87911494
## 241 sum.days.isv.fai_mod an_pheno an 0.40999956
## 255 sum.days.isv.fai_mod symptomes deb_to_end 0.09940539
## 256 sum.days.isv.mod_sev an_pheno an 0.62610551
## 270 sum.days.isv.mod_sev symptomes deb_to_end 0.50809079
## 301 sum.heat.days.30 an_pheno an 0.20874860
## 330 isv.faible.seq.5 symptomes deb_to_end 0.07774650
## p_value_anova_ajustée p_value_bartlett p_value_bartlett_ajustée fold_change
## 1 0.93211798 0.43308016 0.44942280 1.0016189
## 16 0.97839371 0.31409451 0.33115396 0.9993421
## 31 0.59379529 0.33630625 0.35232083 0.9952341
## 91 0.58883308 0.10002361 0.10822227 1.0008738
## 106 0.13417430 0.87753288 0.88558364 1.0016832
## 121 0.17226714 0.09335008 0.10133397 1.0014753
## 136 0.74489973 0.13332607 0.14284936 1.1249403
## 151 0.78912607 0.91429384 0.91986880 1.1335704
## 166 0.77632303 0.91910140 0.92189502 1.1461057
## 181 0.78158164 0.06708380 0.07330349 0.9991708
## 196 0.39389825 0.76694338 0.77874251 1.0019933
## 198 0.16206492 0.73553586 0.75381004 1.0032153
## 202 0.60256859 0.52598723 0.54242433 1.0012195
## 226 0.88447540 0.74536635 0.76151980 0.9648940
## 241 0.42952335 0.11716921 0.12635895 0.7945696
## 255 0.10826330 0.32641549 0.34304812 0.8214016
## 256 0.64166093 0.41954925 0.43675474 0.9120526
## 270 0.52892732 0.77975192 0.78931943 0.9334926
## 301 0.22221625 0.04846973 0.05313957 0.8159224
## 330 0.08495479 0.64765404 0.66581257 0.9816082
## correlation p_value_correlation p_value_correlation_ajustée diff
## 1 0.9353237 0.000000e+00 0.000000e+00 Non
## 16 0.9638224 0.000000e+00 0.000000e+00 Non
## 31 0.8258792 0.000000e+00 0.000000e+00 Non
## 91 0.8340089 0.000000e+00 0.000000e+00 Non
## 106 0.5671308 0.000000e+00 0.000000e+00 Non
## 121 0.7291325 0.000000e+00 0.000000e+00 Non
## 136 0.9356676 0.000000e+00 0.000000e+00 Non
## 151 0.9748942 0.000000e+00 0.000000e+00 Non
## 166 0.9730797 0.000000e+00 0.000000e+00 Non
## 181 0.9811866 0.000000e+00 0.000000e+00 Non
## 196 0.9211917 0.000000e+00 0.000000e+00 Non
## 198 0.5439069 0.000000e+00 0.000000e+00 Non
## 202 0.5187418 0.000000e+00 0.000000e+00 Non
## 226 0.4263694 2.214880e-241 3.234116e-241 Non
## 241 0.4705796 1.291866e-300 1.982864e-300 Non
## 255 0.9896316 0.000000e+00 0.000000e+00 Non
## 256 0.5871182 0.000000e+00 0.000000e+00 Non
## 270 0.9968264 0.000000e+00 0.000000e+00 Non
## 301 0.9805589 0.000000e+00 0.000000e+00 Non
## 330 0.9737956 0.000000e+00 0.000000e+00 Non
## periode_2
## periode_1 an deb_to_end deb_to_flo
## an 0 0 1
## an_pheno 15 0 1
## symptomes 0 3 0
## [1] "Nombre de corrélation inter périodes > 0.7 : "
## periode_2
## periode_1 an deb_to_end deb_to_flo dormance symptomes
## an 0 16 5 7 16
## an_pheno 17 15 4 17 15
## deb_to_flo 0 5 0 0 2
## dormance 0 2 3 0 2
## symptomes 0 21 0 0 0
## var1 periode_1 periode_2 p_value_anova
## 15 tn symptomes deb_to_end 0.000000e+00
## 30 tx symptomes deb_to_end 0.000000e+00
## 45 rr symptomes deb_to_end 8.165202e-16
## 60 VPD symptomes deb_to_end 7.487668e-199
## 74 hu deb_to_flo deb_to_end 1.789231e-30
## 75 hu symptomes deb_to_end 3.378177e-14
## 90 rain.days symptomes deb_to_end 0.000000e+00
## 104 swi deb_to_flo deb_to_end 0.000000e+00
## 105 swi symptomes deb_to_end 0.000000e+00
## 120 ftsw symptomes deb_to_end 0.000000e+00
## 135 isv symptomes deb_to_end 0.000000e+00
## 145 bh0 dormance deb_to_flo 2.523453e-120
## 149 bh0 deb_to_flo deb_to_end 4.443883e-222
## 160 bhv dormance deb_to_flo 2.837892e-120
## 161 bhv dormance symptomes 0.000000e+00
## 162 bhv dormance deb_to_end 4.206871e-63
## 163 bhv deb_to_flo symptomes 0.000000e+00
## 164 bhv deb_to_flo deb_to_end 1.290312e-276
## 165 bhv symptomes deb_to_end 2.548571e-237
## 175 bh dormance deb_to_flo 3.386503e-64
## 176 bh dormance symptomes 0.000000e+00
## 177 bh dormance deb_to_end 1.454173e-116
## 178 bh deb_to_flo symptomes 0.000000e+00
## 179 bh deb_to_flo deb_to_end 7.445573e-262
## 180 bh symptomes deb_to_end 2.328697e-218
## 195 et0 symptomes deb_to_end 0.000000e+00
## 210 tv symptomes deb_to_end 0.000000e+00
## 225 auc_isv symptomes deb_to_end 0.000000e+00
## 240 sum.days.isv.faible symptomes deb_to_end 1.699319e-03
## 255 sum.days.isv.fai_mod symptomes deb_to_end 9.940539e-02
## 270 sum.days.isv.mod_sev symptomes deb_to_end 5.080908e-01
## 285 sum.days.isv.sev symptomes deb_to_end 4.416565e-01
## 300 sum.heat.days.25 symptomes deb_to_end 5.995777e-87
## 315 sum.heat.days.30 symptomes deb_to_end 9.218193e-03
## 330 isv.faible.seq.5 symptomes deb_to_end 7.774650e-02
## p_value_anova_ajustée p_value_bartlett p_value_bartlett_ajustée
## 15 0.000000e+00 4.704047e-67 7.535610e-67
## 30 0.000000e+00 5.440415e-87 9.350713e-87
## 45 9.487735e-16 6.077704e-64 9.642510e-64
## 60 1.065056e-198 5.663552e-127 1.092966e-126
## 74 2.162806e-30 2.620990e-01 2.772201e-01
## 75 3.911574e-14 1.325038e-49 2.015035e-49
## 90 0.000000e+00 5.937103e-89 1.025782e-88
## 104 0.000000e+00 6.370659e-04 7.376552e-04
## 105 0.000000e+00 1.264679e-17 1.669377e-17
## 120 0.000000e+00 4.339895e-151 8.895436e-151
## 135 0.000000e+00 3.420156e-254 8.681935e-254
## 145 3.398937e-120 8.240118e-210 1.862492e-209
## 149 6.431935e-222 3.883489e-273 1.017104e-272
## 160 3.806928e-120 1.418231e-153 2.925102e-153
## 161 0.000000e+00 5.268837e-04 6.143874e-04
## 162 5.319032e-63 4.566473e-17 6.003730e-17
## 163 0.000000e+00 2.009359e-194 4.391315e-194
## 164 1.918031e-276 7.274126e-74 1.206262e-73
## 165 3.704971e-237 2.193112e-32 3.092850e-32
## 175 4.314849e-64 1.877804e-149 3.825157e-149
## 176 0.000000e+00 2.032611e-01 2.163748e-01
## 177 1.942823e-116 6.715408e-19 8.899938e-19
## 178 0.000000e+00 9.768789e-164 2.040317e-163
## 179 1.092017e-261 2.486220e-67 4.002208e-67
## 180 3.355764e-218 3.430272e-24 4.677644e-24
## 195 0.000000e+00 1.993825e-114 3.738421e-114
## 210 0.000000e+00 2.262994e-212 5.186029e-212
## 225 0.000000e+00 8.411931e-23 1.133036e-22
## 240 1.888132e-03 5.140539e-01 5.317799e-01
## 255 1.082633e-01 3.264155e-01 3.430481e-01
## 270 5.289273e-01 7.797519e-01 7.893194e-01
## 285 4.612235e-01 8.561704e-03 9.742629e-03
## 300 7.882894e-87 4.382017e-09 5.375709e-09
## 315 1.014001e-02 2.165707e-01 2.298017e-01
## 330 8.495479e-02 6.476540e-01 6.658126e-01
## fold_change correlation p_value_correlation p_value_correlation_ajustée
## 15 4.929241e+00 0.8491328 0 0
## 30 5.858151e+00 0.8955518 0 0
## 45 9.105837e-01 0.7860702 0 0
## 60 1.079013e+00 0.9384674 0 0
## 74 1.991008e+00 0.7759840 0 0
## 75 5.997937e-01 0.8638899 0 0
## 90 9.314178e-07 0.7782320 0 0
## 104 1.105090e+00 0.8572874 0 0
## 105 9.282276e-01 0.9341679 0 0
## 120 8.518309e-01 0.9350821 0 0
## 135 8.976128e-01 0.9900166 0 0
## 145 9.180640e+04 0.7102080 0 0
## 149 5.487530e+06 0.9353716 0 0
## 160 2.558106e-06 0.9428372 0 0
## 161 1.404294e+10 0.8294277 0 0
## 162 2.684542e+03 0.9242718 0 0
## 163 5.489584e+15 0.8503945 0 0
## 164 1.049426e+09 0.9658029 0 0
## 165 1.911667e-07 0.9500661 0 0
## 175 9.288228e-05 0.9355636 0 0
## 176 2.067537e+11 0.7979534 0 0
## 177 5.700909e+04 0.9145099 0 0
## 178 2.225975e+15 0.8117448 0 0
## 179 6.137779e+08 0.9573603 0 0
## 180 2.757344e-07 0.9376667 0 0
## 195 1.275247e+00 0.9080616 0 0
## 210 1.312217e+00 0.9763806 0 0
## 225 6.166591e-19 0.9247960 0 0
## 240 7.427559e-01 0.9696660 0 0
## 255 8.214016e-01 0.9896316 0 0
## 270 9.334926e-01 0.9968264 0 0
## 285 8.249358e-01 0.9996588 0 0
## 300 6.893523e-03 0.9821399 0 0
## 315 6.762359e-01 0.9949137 0 0
## 330 9.816082e-01 0.9737956 0 0
## diff
## 15 Positive
## 30 Positive
## 45 Négative
## 60 Positive
## 74 Non
## 75 Négative
## 90 Négative
## 104 Positive
## 105 Négative
## 120 Négative
## 135 Négative
## 145 Positive
## 149 Positive
## 160 Négative
## 161 Positive
## 162 Positive
## 163 Positive
## 164 Positive
## 165 Négative
## 175 Négative
## 176 Non
## 177 Positive
## 178 Positive
## 179 Positive
## 180 Négative
## 195 Positive
## 210 Positive
## 225 Négative
## 240 Non
## 255 Non
## 270 Non
## 285 Non
## 300 Négative
## 315 Non
## 330 Non
Les années phénologiques et calendaires se différencient juste sur la période de septembre à décembre.
Ici, au seuil 5%, on ne rejette ni l’égalité des moyennes ni l’homogénéité des variances entre les deux périodes pour 17 des 29 variables.
Les autres périodes se différencient par l’échelle ou la moyenne de leurs valeurs mais sont quand même assez corrélées. Surtout les années phénologiques qui semblent corrélées à toutes les périodes sauf peut être la période du débourrement à la floraison.
Comparaison par cépage ? Comparaison par région viticole ?